10、工业烤箱预测性维护与RAMI 4.0视角下的软件架构

工业烤箱预测性维护与RAMI 4.0视角下的软件架构

在工业生产中，设备的维护至关重要。对于工业烤箱这类关键设备，有效的预测性维护能够提高生产效率、降低成本。本文将介绍工业烤箱预测性维护的相关技术方法，以及RAMI 4.0视角下的预测性维护软件架构。

工业烤箱声学异常分析用于故障检测

为了实现工业烤箱的预测性维护，提出了一种基于声学测量的异常检测方法。

1. 数据集构建 ：通过部署的声学传感器获取dB振幅值，形成所需的数据集。但由于工业烤箱不能为特定研究故意故障，声学测量数据仅包含正常信息，导致数据集存在缺陷。
2. 异常检测算法
   • Mean Absolute Deviation (MAD) ：在具有固定数据点数的滚动窗口上计算信号的MAD值，根据特定标准确定异常值。
   • Local Outlier Factor (LOF) ：计算声学数据样本相对于其邻居的局部密度偏差，将密度远低于邻居的样本视为异常值。
   • Density-Based Spatial Clustering of Applications with Noise (DBSCAN) ：将数据拟合到DBSCAN算法，自动创建聚类并将声学样本分配到相应聚类，异常值（噪声）被分配到 -1 聚类。

三种算法的比较结果显示，由于缺乏故障数据，检测到的异常值数量较少，但DBSCA